Búsqueda en cuadrícula con h2o

Ahora que has entrenado con éxito un modelo de Random Forest con h2o, puedes aplicar los mismos conceptos para entrenar otros algoritmos, como Deep Learning. En este ejercicio, vas a aplicar una búsqueda en cuadrícula para ajustar un modelo.

Recuerda que los modelos de gradient boosting usan el hiperparámetro learn_rate, mientras que los modelos de deep learning usan el hiperparámetro rate.

La librería h2o ya se ha cargado e inicializado por ti.